Hvorfor bedre produktivitet begynner med å forstå arbeidet

De fleste ledere tror de forstår hvordan arbeidet blir utført. De har organisasjonskartene, prosessdokumentene og dashbordene som bevis. Problemet? Disse ryddige diagrammene har lite til felles med arbeidet de ansatte faktisk utfører. Og når organisasjoner begynner å automatisere prosesser de ikke forstår fullt ut, får de bare mangelfulle systemer til å kjøre raskere.

I denne episoden snakker David Rice med Heidi Farris, administrerende direktør i ActivTrak, om gapet mellom innføring av AI og faktisk forretningspåvirkning. De utforsker hvorfor ansattes omveier ofte er det som holder organisasjoner i gang, hvordan AI-drevne produktivitetsgevinster ganske enkelt kan flytte flaskehalser andre steder, og hvorfor det å spare tid betyr svært lite med mindre noen bestemmer hva den skal brukes til.

Dette lærer du

  • Hvorfor dokumenterte prosesser sjelden gjenspeiler hvordan arbeidet faktisk blir utført.
  • Hvordan du skiller mellom oppgaver som egner seg for AI-automatisering, AI-assistanse og menneskelig skjønn.
  • Hvorfor produktivitetsgevinster ikke automatisk blir til forretningsverdi.
  • Hvordan AI endrer bemanningsplanlegging ved å flytte flaskehalser mellom team.
  • Hva som skiller reell AI-transformasjon fra imponerende adopsjonsmålinger.
  • Hvorfor redesign av arbeidet krever ansvar på tvers av HR, drift og teknologi.

Viktigste læringspunkter

  • Forstå den faktiske arbeidsflyten før du automatiserer den. Ansatte tilpasser hele tiden prosesser for å få dem til å fungere. Disse uformelle løsningene vises sjelden i den offisielle dokumentasjonen, men hvis de fjernes uten at man forstår formålet deres, kan arbeidsflyten du prøver å forbedre, slutte å fungere.
  • Ikke automatiser arbeid som ikke burde eksistere. AI er ikke svaret på all ineffektivitet. Repetitive, strukturerte oppgaver kan ha nytte av automatisering, mens unødvendige godkjenninger og dupliserte trinn krever redesign av prosessen. Kompetansegap krever bedre tilrettelegging, ikke enda et programvarekjøp.
  • Spart tid blir ikke forretningsverdi før noen tar den i bruk. Når AI frigjør kapasitet, må ledere bestemme om kapasiteten skal brukes til kostnadsreduksjon, reinvestering eller ekspansjon. Ellers har de sparte timene en tendens til å forsvinne inn i det samme arbeidet med lav verdi som organisasjoner burde eliminere.
  • Optimaliser arbeidsflyten, ikke bare den individuelle produktiviteten. Det betyr lite at et team dobler produksjonen hvis det neste teamet ikke klarer å holde tritt. Bemanningsplanleggingen må ta høyde for hvor begrensningene flytter seg når ulike funksjoner tar i bruk AI i ulikt tempo.
  • Gi redesign av arbeidet en ansvarlig eier. Et vellykket redesign krever oversikt på tvers av funksjoner og myndighet til å endre hvordan arbeidet utføres. Verken IT eller individuelle avdelingsledere kan løse dette alene. Noen må eie resultatet fra ende til annen.
  • Mål hva som endret seg, ikke hvor ofte folk bruker AI. Aktiverte lisenser og lanserte bruksområder måler adopsjon. Den reelle effekten viser seg i syklustider, gjennomstrømning, kapasitetsfordeling, kundeutfall og til syvende og sist forretningsresultater. Hvis ledere ikke kan forklare hva som skjedde med tiden AI sparte, har de ingen historie om avkastning på investeringen.

Kapitler

  • 00:00 – Arbeidets virkelighet
  • 01:41 – Prosesser kontra virkelighet
  • 03:24 – Hvor AI passer inn
  • 04:30 – Nytanke rundt automatisering
  • 06:21 – Omfordeling av kapasitet
  • 09:18 – Mål før AI
  • 10:23 – Adopsjon kontra effekt
  • 12:30 – Skjult erfaringsbasert kunnskap
  • 15:13 – Flytting av flaskehalser
  • 17:46 – Finne riktig løsning
  • 19:33 – Forbi AI først
  • 20:53 – Ansvar for redesign av arbeidet
  • 23:53 – HR møter drift
  • 25:07 – Måling av reell effekt
  • 27:39 – Avsluttende tanker

Møt gjesten vår

Heidi Farris er administrerende direktør og styreleder i ActivTrak, et selskap innen arbeidsintelligens, hvor hun leder strategi og vekst for å hjelpe organisasjoner med å forstå hvordan arbeidet blir utført, forbedre arbeidsstyrkens prestasjoner og måle effekten av AI.